DE102020113193A1 - Method and system for processing sensor data for transmission to a central unit - Google Patents
Method and system for processing sensor data for transmission to a central unit Download PDFInfo
- Publication number
- DE102020113193A1 DE102020113193A1 DE102020113193.3A DE102020113193A DE102020113193A1 DE 102020113193 A1 DE102020113193 A1 DE 102020113193A1 DE 102020113193 A DE102020113193 A DE 102020113193A DE 102020113193 A1 DE102020113193 A1 DE 102020113193A1
- Authority
- DE
- Germany
- Prior art keywords
- sensor data
- vehicle
- central unit
- data
- abstracted information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000005540 biological transmission Effects 0.000 title claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 18
- 238000013459 approach Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
Die vorliegende Offenbarung betrifft ein Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit, umfassend ein Bereitstellen von Sensordaten durch fahrzeuginterne Sensoren eines Fahrzeugs; ein Ableiten von abstrahierten Informationen aus den Sensordaten; und ein Senden, durch das Fahrzeug, der abstrahierten Informationen an eine zentrale Einheit.The present disclosure relates to a method for processing sensor data for transmission to a central unit, comprising providing sensor data by vehicle-internal sensors of a vehicle; deriving abstracted information from the sensor data; and sending, by the vehicle, the abstracted information to a central unit.
Description
Die vorliegende Offenbarung betrifft ein Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit, ein Speichermedium zum Ausführen des Verfahrens, ein System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit und ein Fahrzeug mit einem derartigen System. Die vorliegende Offenbarung betrifft insbesondere ein Architekturkonzept zur Verwaltung von Fahrzeugdatenströmen.The present disclosure relates to a method for processing sensor data for transmission to a central unit, a storage medium for carrying out the method, a system for processing sensor data for transmission to a central unit and a vehicle with such a system. The present disclosure relates in particular to an architectural concept for managing vehicle data streams.
Stand der TechnikState of the art
Die Vernetzung moderner Fahrzeuge beispielsweise mit dem Internet gewinnt stetig an Bedeutung. Beispielsweise können durch fahrzeuginterne Sensoren gesammelte Daten verwendet werden, um eine auf Nutzer abgestimmte Personalisierung im Fahrzeug zu ermöglichen. Insbesondere kann eine Personalisierung von Fahrzeugfunktionen erfolgen, wie zum Beispiel in Bezug auf ein Innenraumambiente, Fahreigenschaften, Kommunikationsfunktionen, Navigationsfunktionen, etc.The networking of modern vehicles with the Internet, for example, is becoming increasingly important. For example, data collected by vehicle-internal sensors can be used to enable personalization in the vehicle that is tailored to the user. In particular, vehicle functions can be personalized, for example with regard to an interior ambience, driving properties, communication functions, navigation functions, etc.
Die Personalisierung kann mittels einer Erstellung von Modellen, wie zum Beispiel Nutzermodellen, erfolgen. Die Modelle können dabei unter Verwendung der Daten der fahrzeuginternen Sensoren und von maschinellem Lernen erstellt und optional auch aktualisiert werden. Die Erstellung und/oder Aktualisierung der Modelle kann dabei in einer zentralen Einheit, und insbesondere einem Backend eines Fahrzeugherstellers erfolgen. Hierzu müssen die Daten der fahrzeuginternen Sensoren an das Backend übermittelt werden.The personalization can take place by means of the creation of models, such as, for example, user models. The models can be created and optionally also updated using the data from the vehicle's internal sensors and machine learning. The creation and / or updating of the models can take place in a central unit, and in particular in a backend of a vehicle manufacturer. To do this, the data from the vehicle's internal sensors must be transmitted to the backend.
Die fahrzeuginternen Sensoren produzieren jedoch große Datenmengen. Die Datenmengen für ein einzelnes Fahrzeug können dabei in der Größenordnung von 25 Gigabyte oder mehr pro Stunde sein. Eine Übertragung derartiger Datenmengen von einem Fahrzeug an das Backend ist mit den heute gängigen Kommunikationstechnologien schwierig und oftmals sogar unmöglich. Zudem haben die Daten in ihrer Rohform nur eine geringe Anwendbarkeit. Je nach Anwendungsfall und Qualität der Daten (z.B. Strukturen, Formate, Metadaten, etc.) ist die Datenaufbereitung zeitaufwändig und ressourcenintensiv.However, the in-vehicle sensors produce large amounts of data. The amount of data for a single vehicle can be in the order of 25 gigabytes or more per hour. A transmission of such amounts of data from a vehicle to the backend is difficult and often even impossible with today's communication technologies. In addition, the data in their raw form are only of limited applicability. Depending on the application and the quality of the data (e.g. structures, formats, metadata, etc.), data preparation is time-consuming and resource-intensive.
Offenbarung der ErfindungDisclosure of the invention
Es ist eine Aufgabe der vorliegenden Offenbarung, ein Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit, ein Speichermedium zum Ausführen des Verfahrens, ein System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit und ein Fahrzeug mit einem derartigen System anzugeben, die eine Datenmenge, die an eine zentrale Einheit kommuniziert wird, reduzieren können. Des Weiteren ist es eine Aufgabe der vorliegenden Offenbarung, Berechnungsressourcen in der zentralen Einheit zu reduzieren und/oder die Datenverarbeitung in der zentralen Einheit von den empfangenen Daten unabhängiger zu machen.It is an object of the present disclosure to provide a method for processing sensor data for transmission to a central unit, a storage medium for carrying out the method, a system for processing sensor data for transmission to a central unit and a vehicle with such a system which reduce the amount of data that is communicated to a central unit. Furthermore, it is an object of the present disclosure to reduce computation resources in the central unit and / or to make the data processing in the central unit more independent of the received data.
Diese Aufgabe wird durch den Gegenstand der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen sind in den Unteransprüchen angegeben.This problem is solved by the subject matter of the independent claims. Advantageous refinements are given in the subclaims.
Gemäß einem unabhängigen Aspekt der vorliegenden Offenbarung ist ein Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit angegeben. Das Verfahren umfasst ein Bereitstellen von Sensordaten durch fahrzeuginterne Sensoren eines Fahrzeugs; ein Ableiten von abstrahierten Informationen aus den Sensordaten; und ein Senden, durch das Fahrzeug, der abstrahierten Informationen an eine zentrale Einheit.According to an independent aspect of the present disclosure, a method for processing sensor data for transmission to a central unit is specified. The method comprises providing sensor data by vehicle-internal sensors of a vehicle; deriving abstracted information from the sensor data; and sending, by the vehicle, the abstracted information to a central unit.
Erfindungsgemäß werden abstrahierte Informationen ermittelt und an die zentrale Einheit gesendet. Anders gesagt werden nicht die kompletten Sensorrohdaten an die zentrale Einheit gesendet, sondern aus den Sensorrohdaten abgeleitete Informationen. Wenn beispielsweise ein Fahrzeug über einen kurzen Zeitraum stark beschleunigt, kann diese Tatsache der zentralen Einheit von Anfang bis Ende mitgeteilt werden, anstatt die entsprechende exakte Geschwindigkeit an die zentrale Einheit zu senden. Ähnliches gilt für eine konstante Geschwindigkeit oder ein Bremsen.According to the invention, abstracted information is determined and sent to the central unit. In other words, it is not the complete raw sensor data that is sent to the central unit, but information derived from the raw sensor data. For example, if a vehicle accelerates rapidly over a short period of time, this fact can be communicated to the central unit from start to finish instead of sending the corresponding exact speed to the central unit. The same applies to constant speed or braking.
Insbesondere kann Wissen in Form von Basisereignissen ausgedrückt werden. Die Basisereignisse können mit einer analytischen Beschreibung der Signale bzw. Sensordaten über die Zeit erzeugt werden. Sobald die Ereignisse erzeugt sind, können diese in semantische Annotationen umgewandelt werden, um die Ergebnisse in einer standardisierten Form zu erhalten. Damit kann eine Datenmenge, die an eine zentrale Einheit kommuniziert wird, reduziert werden. Zudem sind weniger Berechnungsressourcen in der zentralen Einheit erforderlich. Weiter ist eine gewisse Unabhängigkeit vom zugrunde liegenden System gewährleistet.In particular, knowledge can be expressed in the form of basic events. The basic events can be generated with an analytical description of the signals or sensor data over time. Once the events are generated, they can be converted into semantic annotations to get the results in a standardized form. In this way, the amount of data that is communicated to a central unit can be reduced. In addition, fewer computing resources are required in the central unit. A certain independence from the underlying system is also guaranteed.
Vorzugsweise umfassen, oder sind, die Sensordaten (bzw. Datenströme) kontinuierliche Sensordaten (bzw. Datenströme) und/oder kategorische Sensordaten (bzw. Datenströme). Kontinuierliche Daten sind Zahlen, die jeden Wert in einem Bereich annehmen können (z.B. Geschwindigkeit). Im Gegensatz dazu nehmen kategorische Daten Werte aus einem vordefinierten Satz von Kategorien an (z.B. Anzahl der Gänge).The sensor data (or data streams) preferably comprise, or are, continuous sensor data (or data streams) and / or categorical sensor data (or data streams). Continuous data are numbers that can have any value in a range (e.g. speed). In contrast, categorical data takes values from a predefined set of categories (e.g. number of aisles).
Vorzugsweise erfolgt das Ableiten der abstrahierten Informationen basierend auf einer Zeitreihe von Sensordaten. Die Zeitreihe kann beispielsweise in einem Zeitfenster oder Basisfenster enthalten sein.The abstracted information is preferably derived based on a time series of sensor data. The time series can for example be contained in a time window or base window.
Vorzugsweise umfasst das Ableiten von abstrahierten Informationen aus den Sensordaten ein Extrahieren wenigstens eines Merkmals, insbesondere eines statistischen Merkmals, aus den Sensordaten, um wenigstens ein Ereignis zu erzeugen. Das Extrahieren wenigstens eines Merkmals kann insbesondere aus kontinuierlichen Sensordaten (bzw. Datenströme) erfolgen, um die kontinuierliche Sensordaten (bzw. Datenströme) zu kategorisieren. Durch die Verwendung statistischer Merkmale und damit einer Kombination einzelner Punkte von Zeitreihen-Rohdaten zu stabilen und gut beschriebenen abstrakten Informationen kann ein stabiler Input mit weniger Informationen bereitgestellt werden, ohne dass zu viele Informationen verloren gehen.Deriving abstracted information from the sensor data preferably includes extracting at least one feature, in particular a statistical feature, from the sensor data in order to generate at least one event. At least one feature can in particular be extracted from continuous sensor data (or data streams) in order to categorize the continuous sensor data (or data streams). By using statistical features and thus a combination of individual points from time series raw data to stable and well-described abstract information, a stable input with less information can be provided without too much information being lost.
Vorzugsweise umfasst das Verfahren weiter ein Bestimmen einer semantischen Annotation für das wenigstens eine Ereignis. Damit kann Wissen in Form von Basisereignissen ausgedrückt werden. Beispielsweise kann eine Formalisierung der Annotation mit ontologischen Metadaten über den dynamischen Betrieb des Fahrzeugs erfolgen.The method preferably further comprises determining a semantic annotation for the at least one event. With this, knowledge can be expressed in the form of basic events. For example, the annotation can be formalized with ontological metadata about the dynamic operation of the vehicle.
Vorzugsweise umfasst das Verfahren weiter ein Eingeben der abstrahierten Informationen in ein Machine Learning (ML)-Modul. Insbesondere können die abstrahierten Informationen verwendet werden, um Modelle zu trainieren. Die abstrahierten Informationen liefern einen stabilen Input mit weniger Informationen, so dass trotzdem ein zuverlässiges Training erfolgen kann. Das Machine Learning (ML)-Modul kann in einigen Ausführungsformen in der zentralen Einheit implementiert sein.The method preferably further comprises inputting the abstracted information into a machine learning (ML) module. In particular, the abstracted information can be used to train models. The abstracted information provides a stable input with less information, so that reliable training can still take place. In some embodiments, the machine learning (ML) module can be implemented in the central unit.
ML-Modelle sind dabei nur eine beispielhafte Art der Nutzung der abstrahierten Informationen. Es kann auch eine semantische Wissensextraktion implementiert werden, insbesondere wenn die Daten bereits in diesem Format beschrieben sind.ML models are only one exemplary way of using the abstracted information. Semantic knowledge extraction can also be implemented, especially if the data is already described in this format.
Vorzugsweise erfolgt das Ableiten von abstrahierten Informationen aus den Sensordaten durch das Fahrzeug und/oder mittels Edge Computing. Damit müssen keine großen Datenvolumina an die zentrale Einheit übertragen werden, da die abstrahierten Informationen direkt im Fahrzeug und/oder in der Umgebung des Fahrzeugs erzeugt werden.The derivation of abstracted information from the sensor data is preferably carried out by the vehicle and / or by means of edge computing. This means that no large volumes of data need to be transmitted to the central unit, since the abstracted information is generated directly in the vehicle and / or in the vicinity of the vehicle.
Gemäß einem weiteren unabhängigen Aspekt der vorliegenden Offenbarung ist ein Software (SW) Programm angegeben. Das SW Programm kann eingerichtet werden, um auf einem oder mehreren Prozessoren ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit auszuführen.According to a further independent aspect of the present disclosure, a software (SW) program is specified. The SW program can be set up to be executed on one or more processors, and thereby to execute the method described in this document for processing sensor data for transmission to a central unit.
Gemäß einem weiteren unabhängigen Aspekt der vorliegenden Offenbarung ist ein Speichermedium angegeben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem oder mehreren Prozessoren ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit auszuführen.According to a further independent aspect of the present disclosure, a storage medium is specified. The storage medium can comprise a SW program which is set up to be executed on one or more processors and thereby to carry out the method described in this document for processing sensor data for transmission to a central unit.
Gemäß einem weiteren unabhängigen Aspekt der vorliegenden Offenbarung ist ein System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit angegeben. Das System umfasst einen oder mehrere Prozessoren, die eingerichtet sind, um das in diesem Dokument beschriebene Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit auszuführen.According to a further independent aspect of the present disclosure, a system for processing sensor data for transmission to a central unit is specified. The system comprises one or more processors which are set up to carry out the method described in this document for processing sensor data for transmission to a central unit.
Der eine oder die mehreren Prozessoren sind insbesondere eingerichtet, um abstrahierte Informationen aus Sensordaten, die durch fahrzeuginterne Sensoren eines Fahrzeugs bereitgestellt werden, abzuleiten; und die abstrahierten Informationen an eine zentrale Einheit zu übermitteln.The one or more processors are set up in particular to derive abstracted information from sensor data that are provided by vehicle-internal sensors of a vehicle; and to transmit the abstracted information to a central unit.
Das System ist insbesondere eingerichtet, das in diesem Dokument beschriebene zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit auszuführen.In particular, the system is set up to carry out what is described in this document for processing sensor data for transmission to a central unit.
Gemäß einem weiteren Aspekt der vorliegenden Offenbarung ist ein Fahrzeug, insbesondere Kraftfahrzeug, angegeben. Das Fahrzeug umfasst das System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit gemäß den Ausführungsformen der vorliegenden Offenbarung.According to a further aspect of the present disclosure, a vehicle, in particular a motor vehicle, is specified. The vehicle comprises the system for processing sensor data for transmission to a central unit according to the embodiments of the present disclosure.
Der Begriff Fahrzeug umfasst PKW, LKW, Busse, Wohnmobile, Krafträder, etc., die der Beförderung von Personen, Gütern, etc. dienen. Insbesondere umfasst der Begriff Kraftfahrzeuge zur Personenbeförderung.The term vehicle includes cars, trucks, buses, mobile homes, motorcycles, etc. that are used to transport people, goods, etc. In particular, the term includes motor vehicles for passenger transport.
FigurenlisteFigure list
Ausführungsbeispiele der Offenbarung sind in den Figuren dargestellt und werden im Folgenden näher beschrieben. Es zeigen:
-
1 ein Flussdiagram eines Verfahrens zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit gemäß Ausführungsformen der vorliegenden Offenbarung, -
2 schematisch ein System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit gemäß Ausführungsformen der vorliegenden Offenbarung, -
3 eine Übersichtsdarstellung einer Verarbeitung von Sensordaten gemäß Ausführungsformen der vorliegenden Offenbarung, und -
4 eine initiale Verarbeitung einen Datenstroms gemäß Ausführungsformen der vorliegenden Offenbarung.
-
1 a flow diagram of a method for processing sensor data for transmission to a central unit according to embodiments of the present disclosure, -
2 schematically a system for processing sensor data for transmission to a central unit according to embodiments of the present disclosure, -
3 an overview illustration of a processing of sensor data according to embodiments of the present disclosure, and -
4th initial processing of a data stream in accordance with embodiments of the present disclosure.
Ausführungsformen der OffenbarungEmbodiments of the Disclosure
Im Folgenden werden, sofern nicht anders vermerkt, für gleiche und gleichwirkende Elemente gleiche Bezugszeichen verwendet.Unless otherwise noted, the same reference symbols are used below for elements that are the same and have the same effect.
Das Verfahren
Die Schaffung von Fahrzeugkontext für personalisierte Merkmale kann durch Modelle des maschinellen Lernens erfolgen, die streng von einem bestimmten Signaleingang abhängig sind. Die Erstellung und Pflege dieser Modelle ist in der Regel mit einem hohen Aufwand an Rechenressourcen und Daten verbunden. Um das Modell im Laufe der Zeit zu validieren und zu verbessern, ist es außerdem erforderlich, die Daten mit dem Backend zu synchronisieren. Dasselbe gilt für Anwendungen in Bezug auf Fahrzeugflotten.The creation of vehicle context for personalized features can be done through machine learning models that are strictly dependent on a specific signal input. The creation and maintenance of these models is usually associated with a high level of computing resources and data. In order to validate and improve the model over time, it is also necessary to synchronize the data with the backend. The same is true for applications related to vehicle fleets.
Gemäß den Ausführungsformen der vorliegenden Offenbarung können die kommunizierten Daten und/oder die Berechnungsressourcen im Backend reduziert werden, und können vom Quellsignal unabhängig(er) sein. Zudem kann die Abstraktion bzw. Beschreibung der Daten in einer standardisierten Art und Weise erfolgen, um die Nutzung über eine Fahrzeugflotte hinweg zu gewährleisten.According to the embodiments of the present disclosure, the communicated data and / or the computing resources in the backend can be reduced and can be independent of the source signal. In addition, the abstraction or description of the data can take place in a standardized manner in order to ensure use across a vehicle fleet.
Beispielhaft sind das Fahrzeug
Das mobile Endgerät
Ein mobiles Endgerät ist ein Gerät, welches in der Lage ist, in einem mobilen Netzwerk über lokale Netzwerke bzw. Local Area Networks (LANs), wie z.B. Wireless LAN (WiFi/WLAN), oder über Weitverkehrsnetze bzw. Wide Area Networks (WANs) wie z.B. Global System for Mobile Communication (GSM), General Package Radio Service (GPRS), Enhanced Data Rates for Global Evolution (EDGE), Universal Mobile Telecommunications System (UMTS), High Speed Downlink/Uplink Packet Access (HSDPA, HSUPA), Long-Term Evolution (LTE), oder World Wide Interoperability for Microwave Access (WIMAX) drahtlos zu kommunizieren. Eine Kommunikation über weitere gängige oder künftige Kommunikationstechnologien, z.B. 5G-Mobilfunksysteme, ist möglich.A mobile terminal device is a device that is able to operate in a mobile network via local networks or Local Area Networks (LANs), such as wireless LAN (WiFi / WLAN), or via wide area networks (WANs) such as Global System for Mobile Communication (GSM), General Package Radio Service (GPRS), Enhanced Data Rates for Global Evolution (EDGE), Universal Mobile Telecommunications System (UMTS), High Speed Downlink / Uplink Packet Access (HSDPA, HSUPA), Long-Term Evolution (LTE), or World Wide Interoperability for Microwave Access (WIMAX) to communicate wirelessly. Communication via other current or future communication technologies, e.g. 5G mobile radio systems, is possible.
Der Begriff mobiles Endgerät umfasst insbesondere Smartphones, aber auch andere mobile Telefone bzw. Handys, Personal Digital Assistants (PDAs), Tablet PCs, Notebooks, Smart Watches sowie alle gängigen sowie künftigen elektronischen Geräte, welche mit einer Kommunikationsfähigkeit ausgestattet sind.The term mobile device includes in particular smartphones, but also other mobile telephones or cell phones, personal digital assistants (PDAs), tablet PCs, notebooks, smart watches and all current and future electronic devices that are equipped with a communication capability.
In einigen Ausführungsformen kann das Fahrzeug
In einer beispielhaften Ausführungsform kann das mobile Endgerät
Die erste Kommunikationsverbindung
Die zweite Kommunikationsverbindung
Die dritte Kommunikationsverbindung
Einige der oben genannten Kommunikationsverbindungen zwischen dem Fahrzeug
Aufgrund der enormen Vielfalt an Fahrzeugdaten stellt die vorliegende Offenbarung eine Datenarchitektur mit einem generischen und anwendungsbezogenen agnostischen Ansatz zur Behandlung von Datenströmen bereit. Insbesondere kann mit den Ausführungsformen der vorliegenden Offenbarung Wissen in Form von Basisereignissen ausgedrückt werden. Eine Möglichkeit hierzu ist es, solche Basisereignisse durch eine analytische Beschreibung der Signale über die Zeit zu erzeugen. Sobald die Ereignisse erzeugt wurden, können die Ereignisse in semantische Annotationen umgewandelt werden, um die Ergebnisse in einer standardisierten Form (z.B. graphisches Datenmodell und Ontologien) zu erhalten.Due to the enormous variety of vehicle data, the present disclosure provides a data architecture with a generic and application-related agnostic approach for handling data streams. In particular, with the embodiments of the present disclosure, knowledge can be expressed in the form of basic events. One possibility for this is to generate such basic events through an analytical description of the signals over time. Once the events have been generated, the events can be converted into semantic annotations in order to obtain the results in a standardized form (e.g. graphical data model and ontologies).
Die Datenströme sind dabei entweder kontinuierlich oder kategorisch. Kontinuierliche Daten sind Zahlen, die jeden Wert in einem Bereich annehmen können (z.B. Geschwindigkeit). Im Gegensatz dazu nehmen kategorische Daten Werte aus einem vordefinierten Satz von Kategorien an (z.B. Anzahl der Gänge).The data streams are either continuous or categorical. Continuous data are numbers that can have any value in a range (e.g. speed). In contrast, categorical data takes values from a predefined set of categories (e.g. number of aisles).
Im Folgenden wird nun der oben erläuterte Ansatz im Detail erläutert.The approach explained above will now be explained in detail below.
DatenstromData stream
Da sich aus der Vielfalt der Fahrzeugdaten unzählige Anwendungsfälle ableiten lassen, beginnt die Verarbeitung der Sensordaten damit, die Datenströme unabhängig voneinander zu behandeln. Hierzu kann eine Teilspeicheransatz („partial memory approach“) mit Zeitfenstern, die je nach Anwendungsfall konfiguriert werden können, verwendet werden.Since countless use cases can be derived from the variety of vehicle data, the processing of the sensor data begins with treating the data streams independently of one another. For this purpose, a partial memory approach with time windows that can be configured depending on the application can be used.
Insbesondere wird ein eingehender Datenstrom X durch ein Basiszeitfenster B verarbeitet, das bis zu b Elemente enthalten kann. Wenn das Basiszeitfenster B voll ist, liefert es eine Zusammenfassung der Merkmale S. Ein weiteres Fenster W sammelt bis zu w solcher Zusammenfassungen und führt eine bestimmte Interpretation davon durch, um Ereignisse auszulösen und Annotationen hinzuzufügen. Das Fenster W enthält somit zusammengefasste Informationen des Datenstromes X.In particular, an incoming data stream X is processed through a basic time window B, which can contain up to b elements. When the base time window B is full, it provides a summary of the features S. Another window W collects up to w such summaries and performs a certain interpretation thereof in order to trigger events and add annotations. The window W thus contains summarized information from the data stream X.
MerkmalsextraktionFeature extraction
Auf Basis der im vorhergehenden Abschnitt erläuterten Datenverarbeitung werden nun Merkmale extrahiert, die die Interpretation des Datenstroms enthalten. Hierzu verwenden folgende Aspekte definiert:
- Kontinuierliche Daten: In jedem Basisfenster B kann ein Mittelwert erhalten werden, der zur Berechnung eines Trends verendet wird, um Zusammenfassungen S zu konstruieren. In jedem Fenster W werden diese Zusammenfassungen erfasst, und es kann eine Standardabweichung berechnet werden. Aus diesen Merkmalen ist eine symbolische aggregierte Näherung (Symbolic Aggregate Approximation, SAX) möglich. Schließlich wird ein Feature-Vektor erzeugt.
- Continuous data: In each base window B, an average value can be obtained which is used to calculate a trend in order to construct summaries S. In each window W these summaries are recorded and a standard deviation can be calculated. A symbolic aggregate approximation (SAX) is possible from these features. Finally, a feature vector is created.
Kategorische Daten: Hier kann der Wert im Laufe der Zeit beschrieben werden. Daher können die aufeinander folgenden Instanzen eines Wertes gezählt werden. In einem ereignisgesteuerten System werden kategorische Daten nur dann aktualisiert, wenn ein neuer Wert verfügbar ist. In diesem Fall wird die Zeit erfasst, die verstrichen ist, bis die Änderung eingetreten ist, wobei das Auftreten des vorherigen Wertes, die Zeit der Änderung und der neue Wert beschrieben werden. Wenn das System nicht ereignisgesteuert ist, wird derselbe Wert mit einer regelmäßigen Abtastrate wiederholt erscheinen, bis er sich ändert. Für diese Art von Datenstrom kann also ein Basisfenster aus zwei Elementen definiert werden, wobei Wertänderungen überwacht werden.Categorical data: Here the value can be described over time. Therefore the consecutive instances of a value can be counted. In an event-driven system, categorical data is only updated when a new value is available. In this case, the time that has elapsed until the change occurred is recorded, with the occurrence of the previous value, the time of the change and the new value to be discribed. If the system is not event driven, the same value will appear repeatedly at a regular sampling rate until it changes. For this type of data stream, a basic window made up of two elements can be defined, with changes in value being monitored.
Ereignisbasiertes WissenEvent based knowledge
In der Automobilindustrie folgen viele Software-Architekturen einem ereignisgesteuerten Ansatz. Daher wird das Wissen vorzugsweise in Form von Basisereignissen ausgedrückt, die durch eine analytische Beschreibung der Signale bzw. Sensordaten über die Zeit erzeugt werden.In the automotive industry, many software architectures follow an event-driven approach. The knowledge is therefore preferably expressed in the form of basic events that are generated by an analytical description of the signals or sensor data over time.
Im Detail:In detail:
a) Erzeugung von Ereignissena) Generation of events
Die Architektur gemäß den Ausführungsformen der vorliegenden Offenbarung erzeugt Ereignisse vorzugsweise aus kategorischen Daten. Beispielsweise kann die im vorherigen Absatz erläuterte Methode zur Merkmalsextraktion verwendet werden, um kontinuierliche Datenströme in kategorische Datenströme umzuwandeln. Beispielsweise sind anstatt der Sensorrohdaten Sequenzen von Trends vorhanden. Damit kann eine einfache Logik für kategorische Daten mit einer Finite State Machine (FSM) verwendet werden. Mögliche Ereignisse sind vom Typ „Change“, „Descriptive“ und „Observation“.The architecture according to the embodiments of the present disclosure preferably generates events from categorical data. For example, the feature extraction method discussed in the previous paragraph can be used to convert continuous data streams into categorical data streams. For example, instead of the raw sensor data, there are sequences of trends. This means that a simple logic can be used for categorical data with a finite state machine (FSM). Possible events are of the type "Change", "Descriptive" and "Observation".
Eine kategorischer Datenstrom ist dabei immer in einem von zwei möglichen Zuständen: „Changing“ oder „Grouping“.A categorical data stream is always in one of two possible states: "Changing" or "Grouping".
Der „Changing“-Zustand wird immer dann erreicht, wenn sich der aktuelle Wert von seinem vorherigen Wert unterscheidet. In diesem Zustand werden zwei Arten von Ereignissen erzeugt, nämlich „Change“ und „Descriptive“. Ein „Change“-Ereignis zeigt an, dass sich der Wert des Datenstroms zu einem bestimmten Zeitpunkt geändert hat. Ein „Descriptive“-Ereignis hingegen beschreibt den vorherigen Wert des Datenstroms und seine Dauer.The "Changing" status is always reached when the current value differs from its previous value. In this state, two types of events are generated, namely “Change” and “Descriptive”. A "Change" event indicates that the value of the data stream has changed at a certain point in time. A "Descriptive" event, on the other hand, describes the previous value of the data stream and its duration.
Im Gegensatz dazu wird ein „Grouping“-Zustand erreicht, wenn das eingehende Element gleich dem vorhergehenden Element ist. In diesem Fall können „Observation“-Ereignisse nach einer bestimmten Anzahl von Instanzen erzeugt werden, um das System bei Bedarf auf dem Laufenden zu halten.In contrast to this, a “grouping” state is reached when the incoming element is the same as the previous element. In this case, "observation" events can be generated after a certain number of instances in order to keep the system up to date if necessary.
b) Semantische Annotationb) Semantic annotation
Sobald eine Interpretation der Daten erfolgt ist, kann die Semantik explizit ausgedrückt werden (z.B. mit RDF oder einem anderen Graphen-Datenmodell). Hierzu kann die Annotation mit ontologischen Metadaten über den dynamischen Betrieb des Fahrzeugs formalisiert werden. Zu diesem Zweck können beispielsweise die Ontologien VSSo und IoTStream verwendet werden. Beide verwenden die SOSA-Ontologie, um Sensorbeobachtungen und Aktuatoren zu definieren.As soon as the data has been interpreted, the semantics can be expressed explicitly (e.g. with RDF or another graph data model). For this purpose, the annotation can be formalized with ontological metadata about the dynamic operation of the vehicle. For example, the ontologies VSSo and IoTStream can be used for this purpose. Both use the SOSA ontology to define sensor observations and actuators.
c) Wissen ausdrücken:c) Expressing knowledge:
Wissen kann in Form von Ereignissen ausgedrückt werden, die sich aus kategorischen Datenströmen ergeben. Hierzu können Regeln verwendet werden.Knowledge can be expressed in terms of events resulting from categorical data streams. Rules can be used for this.
Im Folgenden sind einigen Beispiel für diesen regelbasierten Ansatz erläutert. Wenn das „Observation“-Ereignis des Datenstroms „GESCHWINDIGKEIT“ ein „ANSTIEG“ seines Trendwertes ist, kann dies implizieren, dass das Fahrzeug eine „BESCHLEUNIGUNG“ ausführt. In einem weiteren Beispiel kann definiert werden, dass, wenn die Dauer eines „Descriptive“-Ereignisses vom Typ „ANSTIEG“ mehr als eine bestimmte Anzahl von Zeitschritten andauert, dies „LANG“ ist, ansonsten ist es „KURZ“. Ähnlich könnte ein „Change“-Ereignis der Gangzahl vom 5. Gang auf den 1. Gang eine „SCHLECHTE FAHRPRAXIS“ implizieren, die für eine weitere Analyse von Interesse sein könnte.Below are some examples of this rule-based approach. If the “Observation” event of the “SPEED” data stream is an “INCREASE” in its trend value, this may imply that the vehicle is performing an “ACCELERATION”. In a further example, it can be defined that if the duration of a “Descriptive” event of the “RISE” type lasts more than a certain number of time steps, this is “LONG”, otherwise it is “SHORT”. Similarly, a “change” event in the number of gears from 5th gear to 1st gear could imply “BAD DRIVING PRACTICE”, which could be of interest for further analysis.
Es ist zu verstehen, dass manche Erkenntnisse subjektiv sein können und sich ihre Bedingungen im Laufe der Zeit ändern können. In der Tat erlauben die Ausführungsformen der vorliegenden Offenbarung, dass Wissen dynamisch und nicht fest programmiert ist. Daher wirken sich Änderungen im Wissen nicht auf die Datenverarbeitung oder die Methoden der Merkmalsextraktion aus.It should be understood that some insights can be subjective and their conditions can change over time. Indeed, the embodiments of the present disclosure allow knowledge to be dynamic rather than hard-coded. Therefore, changes in knowledge do not affect data processing or feature extraction methods.
Zusammengefasst werden mit den Ausführungsformen der vorliegenden Offenbarung abstrahierte Informationen ermittelt und an die zentrale Einheit gesendet. Anders gesagt werden nicht die kompletten Sensorrohdaten an die zentrale Einheit gesendet, sondern aus den Sensorrohdaten abgeleitete Informationen. Wenn beispielsweise ein Fahrzeug über einen kurzen Zeitraum stark beschleunigt, kann diese Tatsache der zentralen Einheit von Anfang bis Ende mitgeteilt werden, anstatt die entsprechende exakte Geschwindigkeit an die zentrale Einheit zu senden. Ähnliches gilt für eine konstante Geschwindigkeit oder ein Bremsen.In summary, with the embodiments of the present disclosure, abstracted information is determined and sent to the central unit. In other words, it is not the complete raw sensor data that is sent to the central unit, but information derived from the raw sensor data. For example, if a vehicle accelerates rapidly over a short period of time, this fact can be communicated to the central unit from start to finish instead of sending the corresponding exact speed to the central unit. The same applies to constant speed or braking.
Insbesondere kann Wissen in Form von Basisereignissen ausgedrückt werden. Die Basisereignisse können mit einer analytischen Beschreibung der Signale bzw. Sensordaten über die Zeit erzeugt werden. Sobald die Ereignisse erzeugt sind, können diese in semantische Annotationen umgewandelt werden, um die Ergebnisse in einer standardisierten Form zu erhalten. Damit kann eine Datenmenge, die an eine zentrale Einheit kommuniziert wird, reduziert werden. Zudem sind weniger Berechnungsressourcen in der zentralen Einheit erforderlich. Weiter ist eine gewisse Unabhängigkeit vom zugrunde liegenden System gewährleistet.In particular, knowledge can be expressed in the form of basic events. The basic events can be generated with an analytical description of the signals or sensor data over time. Once the events are generated, they can be converted into semantic annotations to get the results in a standardized form. In this way, the amount of data that is communicated to a central unit can be reduced. In addition, fewer computing resources are required in the central unit. A certain independence from the underlying system is also guaranteed.
Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass beispielhaft genannte Ausführungsformen wirklich nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa weitergehenden Erläuterungen in der Beschreibung, definiert wird.Although the invention has been illustrated and explained in more detail by preferred exemplary embodiments, the invention is not restricted by the disclosed examples and other variations can be derived therefrom by the person skilled in the art without departing from the scope of protection of the invention. It is therefore clear that there is a multitude of possible variations. It is also clear that the embodiments mentioned by way of example really only represent examples that are not to be interpreted in any way as a limitation, for example, of the scope of protection, the possible applications or the configuration of the invention. Rather, the preceding description and the description of the figures enable the person skilled in the art to specifically implement the exemplary embodiments, whereby the person skilled in the art, with knowledge of the disclosed inventive concept, can make various changes, for example with regard to the function or the arrangement of individual elements mentioned in an exemplary embodiment, without the To leave the scope of protection, which is defined by the claims and their legal equivalents, such as further explanations in the description.
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020113193.3A DE102020113193B4 (en) | 2020-05-15 | 2020-05-15 | Method and system for processing sensor data for transmission to a central unit |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020113193.3A DE102020113193B4 (en) | 2020-05-15 | 2020-05-15 | Method and system for processing sensor data for transmission to a central unit |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102020113193A1 true DE102020113193A1 (en) | 2021-11-18 |
DE102020113193B4 DE102020113193B4 (en) | 2023-03-16 |
Family
ID=78280433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102020113193.3A Active DE102020113193B4 (en) | 2020-05-15 | 2020-05-15 | Method and system for processing sensor data for transmission to a central unit |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102020113193B4 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022202071A1 (en) | 2022-03-01 | 2023-09-07 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for providing data in a vehicle |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010010043A1 (en) | 2009-03-05 | 2010-11-25 | GM Global Technology Operations, Inc., Detroit | Fusion of accumulated information for improved vehicle diagnostic, forecasting and maintenance practices |
EP3166086A1 (en) | 2015-11-09 | 2017-05-10 | Cacciotti, Angelo | Electronic device having high level of security and able to achieve the acquisition, storage and transmission of real dynamic data and location data related to the motion of a vehicle |
US20190228596A1 (en) | 2018-01-25 | 2019-07-25 | Micron Technology, Inc. | In-Vehicle Monitoring and Reporting Apparatus for Vehicles |
-
2020
- 2020-05-15 DE DE102020113193.3A patent/DE102020113193B4/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010010043A1 (en) | 2009-03-05 | 2010-11-25 | GM Global Technology Operations, Inc., Detroit | Fusion of accumulated information for improved vehicle diagnostic, forecasting and maintenance practices |
EP3166086A1 (en) | 2015-11-09 | 2017-05-10 | Cacciotti, Angelo | Electronic device having high level of security and able to achieve the acquisition, storage and transmission of real dynamic data and location data related to the motion of a vehicle |
US20190228596A1 (en) | 2018-01-25 | 2019-07-25 | Micron Technology, Inc. | In-Vehicle Monitoring and Reporting Apparatus for Vehicles |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022202071A1 (en) | 2022-03-01 | 2023-09-07 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for providing data in a vehicle |
Also Published As
Publication number | Publication date |
---|---|
DE102020113193B4 (en) | 2023-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102019112734A1 (en) | Improved analog functional reliability with anomaly detection | |
EP2730076B1 (en) | Data selection method for reducing the decoding computational complexity of a vehicle-to-x communication system, and vehicle-to-x communication system | |
DE102017223751A1 (en) | Method and device for detecting anomalies in a data stream of a communication network | |
DE102016117072A1 (en) | Efficient telematics data upload | |
DE102015119439A1 (en) | Reduced power consumption for data transmission with sensors via current modulation | |
WO2012175258A1 (en) | Method for operating a field device, and field device | |
DE102011006378A1 (en) | Scheduled vehicle management system and procedure | |
WO2021121695A1 (en) | Method, apparatus and system for detecting abnormal operating states of a device | |
DE102010028884A1 (en) | Root cause analysis for processing complex events | |
DE102015207050A1 (en) | Method for determining a channel load and method for setting a preprocessing in a vehicle-to-X communication, vehicle-to-X communication system and computer-readable storage medium | |
DE202017005070U1 (en) | Computer system and computer program for computer-implemented detection of anomalies in event streams | |
EP2927819A1 (en) | Method for automatically processing a number of protocol files of an automation system | |
DE102015214157A1 (en) | A method, system, and computer readable recording medium for controlling an abnormal condition of the vehicle | |
WO2004104836A2 (en) | Telediagnosis viewer | |
DE102020113193B4 (en) | Method and system for processing sensor data for transmission to a central unit | |
EP3861681B1 (en) | System and method for fault detection and root cause analysis in a network of network components | |
DE112021001648T5 (en) | Priority determination system, priority determination method and program | |
DE102019116980A1 (en) | Method and system for selective learning of vehicle data | |
DE102018114603A1 (en) | METHOD AND SYSTEM FOR PRODUCING PROGNOSTIC INFORMATION ON A COMPONENT IN A VEHICLE | |
DE112010003922T5 (en) | Reduce overhead in application processing | |
DE112021002835T5 (en) | Detection device, vehicle, detection method and detection program | |
DE102015121088B4 (en) | Method and device for transmitting a CAN frame | |
DE112018007202T5 (en) | INFORMATION PROCESSING DEVICE, CONTROL METHOD AND PROGRAM | |
DE102022209469A1 (en) | Method for predicting utilization and/or latency of in-vehicle systems of motor vehicles | |
EP3992809A1 (en) | Method and computer for processing data by a transformation step |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |